多元格兰杰因果关系答案

【问题标题】：Multivariate Granger's causality多元格兰杰因果关系
【发布时间】：2017-12-11 12:43:09
【问题描述】：

我在进行多元格兰杰因果检验时遇到问题。我想检查调节第三个变量是否会影响因果检验的结果。这是一个基于我之前提出的问题的单个因变量和自变量的样本，@Alex 回答了这个问题

library(lmtest)
M1<- matrix( c(2,3, 1, 4, 3, 3, 1,1, 5, 7), nrow=5, ncol=2)
M2<- matrix( c(7,3, 6, 9, 1, 2, 1,2, 8, 1), nrow=5, ncol=2)  
M3<- matrix( c(1, 3, 1,5, 7,3, 1, 3, 3, 4), nrow=5, ncol=2)

例如，条件线性回归的方程为

formula = y ~ w + x * z

请问如何根据第三个或第四个变量执行此测试？

【问题讨论】：

标签： r linear-regression multivariate-testing causality

【解决方案1】：

1.固定变量的解决方案已经确立：参见FIAR (v 0.3) package。

This is the paper 与包含多元格兰杰因果关系的具体示例的包相关（在所有变量都是平稳的情况下）。
第 12 页：理论，第 15 页：实践。

2.对于混合（平稳、非平稳）变量，首先使所有变量平稳（通过差分等）。不要处理静止的（它们已经是静止的）。现在，您再次完成上述过程（以 I 为例）。

3.如果是“非协整非平稳”变量，则不需要VECM。使用固定变量运行 VAR（当然，首先使它们固定）。申请FIAR::condGranger等

4.对于“协整非平稳”变量，答案真的很长： Johansen 程序（通过urca::cajo 检测排名）应用vec2var 将VECM 转换为VAR（因为FIAR 基于VAR）。 John Hunter's latest book 很好地总结了在最后一种情况下会发生什么以及可以做什么。

您可能也想阅读this。

据我所知： 条件/部分 Granger 因果关系通过“块外生性 Wald 检验超过 VAR”取代了 GC。

【讨论】：